Сохраните и создайте веб-страницу с помощью PhantomJS и node.js

Ответ 1

Из ваших комментариев, я думаю, у вас есть 2 варианта

1. Попробуйте найти модуль узла phantomjs - https://github.com/amir20/phantomjs-node
2. Запустите phantomjs как дочерний процесс внутри узла - http://nodejs.org/api/child_process.html

Редактировать:

Кажется, что phantomjs предлагает дочерний процесс для взаимодействия с узлом, см. Faq - http://code.google.com/p/phantomjs/wiki/FAQ

Редактировать:

Пример скрипта Phantomjs для получения HTML-разметки страниц:

var page = require('webpage').create();  
page.open('http://www.google.com', function (status) {
    if (status !== 'success') {
        console.log('Unable to access network');
    } else {
        var p = page.evaluate(function () {
            return document.getElementsByTagName('html')[0].innerHTML
        });
        console.log(p);
    }
    phantom.exit();
});

Ответ 2

С v2 phantomjs-node довольно легко напечатать HTML после того, как он был обработан.

var phantom = require('phantom');

phantom.create().then(function(ph) {
  ph.createPage().then(function(page) {
    page.open('https://stackoverflow.com/').then(function(status) {
      console.log(status);
      page.property('content').then(function(content) {
        console.log(content);
        page.close();
        ph.exit();
      });
    });
  });
});

Это покажет вывод, как он был бы представлен с помощью браузера.

Изменить 2019:

Вы можете использовать async/await:

const phantom = require('phantom');

(async function() {
  const instance = await phantom.create();
  const page = await instance.createPage();
  await page.on('onResourceRequested', function(requestData) {
    console.info('Requesting', requestData.url);
  });

  const status = await page.open('https://stackoverflow.com/');
  const content = await page.property('content');
  console.log(content);

  await instance.exit();
})();

Или, если вы просто хотите проверить, вы можете использовать npx

npx phantom@latest https://stackoverflow.com/

Ответ 3

В прошлом я использовал два разных способа, включая метод page.evaluate(), который запрашивает DOM, о котором упоминается Declan. Другой способ, которым я передал информацию с веб-страницы, - это вытолкнуть ее в console.log(), а в phantomjs script использовать:

page.onConsoleMessage = function (msg, line, source) {
  console.log('console [' +source +':' +line +']> ' +msg);
}

Я мог бы также захватить переменную msg в onConsoleMessage и искать некоторые данные инкапсуляции. Зависит от того, как вы хотите использовать вывод.

Затем в Nodejs script вам нужно будет сканировать вывод Phantomjs script:

var yourfunc = function(...params...) {
  var phantom = spawn('phantomjs', [...args]);
  phantom.stdout.setEncoding('utf8');
  phantom.stdout.on('data', function(data) {
    //parse or echo data
    var str_phantom_output = data.toString();
    // The above will get triggered one or more times, so you'll need to
    // add code to parse for whatever info you're expecting from the browser
  });
  phantom.stderr.on('data', function(data) {
    // do something with error data
  });
  phantom.on('exit', function(code) {
    if (code !== 0) {
      // console.log('phantomjs exited with code ' +code);
    } else {
      // clean exit: do something else such as a passed-in callback
    }
  });
}

Надеюсь, что это поможет.

Ответ 4

Почему бы просто не использовать это?

var page = require('webpage').create();
page.open("http://example.com", function (status)
{
    if (status !== 'success') 
    {
        console.log('FAIL to load the address');            
    } 
    else 
    {
        console.log('Success in fetching the page');
        console.log(page.content);
    }
    phantom.exit();
});

Ответ 5

Позднее обновление в случае, если кто-то наткнется на этот вопрос:

Проект GitHub, разработанный моим коллегой, нацелен на то, чтобы помочь вам в этом: https://github.com/vmeurisse/phantomCrawl.

Он все еще немного молод, ему, конечно же, не хватает какой-либо документации, но приведенный пример должен помочь выполнить базовый обход.

Ответ 6

Здесь используется старая версия, использующая бегущие node, express и phantomjs, которые сохраняют страницу как .png. Вы можете настроить его довольно быстро, чтобы получить html.

https://github.com/wehrhaus/sitescrape.git